最小二乘法的基本原理和多项式拟合
一 最小二乘法的基本原理
从整体上考虑近似函数 同所给数据点 (i=0,1,…,m)误差 (i=0,1,…,m)的大小,常用的方法有以下三种:一是误差 (i=0,1,…,m)绝对值的最大值 ,即误差 向量 的∞—范数;二是误差绝对值的和 ,即误差向量r的1—范数;三是误差平方和 的算术平方根,即误差向量r的2—范数;前两种方法简单、自然,但不便于微分运算 ,后一种方法相当于考虑 2—范数的平方,因此在曲线拟合中常采用误差平方和 来 度量误差 (i=0,1,…,m)的整体大小。
数据拟合的具体作法是:对给定数据 (i=0,1,…,m),在取定的函数类 中,求 ,使误差 (i=0,1,…,m)的平方和最小,即
=
从几何意义上讲,就是寻求与给定点 (i=0,1,…,m)的距离平方和为最小的曲线 (图6-1)。函数 称为拟合 函数或最小二乘解,求拟合函数 的方法称为曲线拟合的最小二乘法。
在曲线拟合中,函数类 可有不同的选取方法.
6—1
二 多项式拟合
假设给定数据点 (i=0,1,…,m), 为所有次数不超过 的多项式构成的函数类,现求一 ,使得
(1)
当拟合函数为多项式时,称为多项式拟合,满足式(1)的 称为最小二乘拟合多项式。特别地,当n=1时,称为线性拟合或直线拟合。
显然
为 的多元函数,因此上述问题即为求 的极值 问题。由多元函数求极值的必要条件,得
(2)
即
(3)
(3)是关于 的线性方程组,用矩阵表示为
(4)
式(3)或式(4)称为正规方程组或法方程组。
可以证明,方程组(4)的系数矩阵是一个对称正定矩阵,故存在唯一解。从式(4)中解出 (k=0,1,…,n),从而可得多项式
(5)
可以证明,式(5)中的 满足式(1),即 为所求的拟合多项式。我们把 称为最小二乘拟合多项式 的平方误差,记作
由式(2)可得
(6)
多项式拟合的一般方法可归纳为以下几步:
(1) 由已知数据画出函数粗略的图形——散点图,确定拟合多项式的次数n;
(2) 列表计算 和 ;
(3) 写出正规方程组,求出 ;
(4) 写出拟合多项式 。
在实际应用中, 或 ;当 时所得的拟合多项式就是拉格朗日或牛顿插值多项式。
例1 测得铜导线在温度 (℃)时的电阻 如表6-1,求电阻R与温度 T的近似函数关系。
i |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
(℃) |
19.1 |
25.0 |
30.1 |
36.0 |
40.0 |
45.1 |
50.0 |
|
76.30 |
77.80 |
79.25 |
80.80 |
82.35 |
83.90 |
85.10 |
解 画出散点图(图6-2),可见测得的数据接近一条直线,故取n=1,拟合函数为
列表如下
i |
|
|